Forskare spårar 73 % av fallen av salmonella i USA till kyckling och grönsaker

Forskare spårar 73 % av fallen av salmonella i USA till kyckling och grönsaker

En modern genomisk modell visar var din risk för salmonella egentligen ligger – om du byter kyckling och grönsaker som huvudkällor och omformar sjukdomen från mat.

I en studie som nyligen publicerats i tidskriftenNya infektionssjukdomarEn grupp forskare använde genomsekvensering och maskininlärning för att bestämma de primära matkällorna som orsakar människorSalmonellaInfektioner i USA (USA).

bakgrund

Årlig,Salmonella entericaInfektioner resulterar i cirka 1,35 miljoner sjukdomar som resulterar i betydande sjukhusinläggningar i USA. Vanliga källor inkluderar förorenad mat, vatten, djur, jord och infekterade människor. Serotyper som Enteritidis och Typhimurium kan infektera många värdar, medan andra som Dublin främst påverkar nötkreatur. Traditionella metoder tillskriver endast kända utbrott till cirka 5 % av fallen, så de flesta sjukdomar finns inte längre. Tidigare tillvägagångssätt förlitade sig på begränsade laboratorietekniker, men med introduktionen av helgenomsekvensering (WGS) framträder en tydligare bildSalmonellaÖverföringsvägar kan uppstå. Förbättrade tillskrivningsmodeller är avgörande för att förfina livsmedelssäkerhetsbestämmelser och förebyggande åtgärder och betonar behovet av avancerad forskning med hjälp av avancerad genomisk teknologi.

Om studien

Forskare har sammanställt en datamängd på 18 661SalmonellaIsolat från mat- och djurprover tillgängliga på National Center for Biotechnology Information (NCBI) och utökade med metadata från amerikanska myndigheter, inklusive Food and Drug Administration (FDA), U.S.S. Safety and Inspection Service (CDC) och Centers for Disease Control (CDC). Isolaten kategoriserades i 15 olika livsmedelsgrupper, exklusive blandade prover. På grund av ett överskott av kycklingisolat valdes 50 % slumpmässigt ut för att balansera datamängden och omvänd klassviktning tillämpades för att ytterligare korrigera obalanser. Även om modellen användes globaltSalmonellaisolat kom 76 % från USA, vilket gör den generellt representativ för inhemska matkällor.

För mänskliga infektioner 6 470SalmonellaIsolat med okända infektionskällor och ingen internationell resehistorik samlades in från det aktiva nätverket för övervakning av livsmedelsburna sjukdomar (FoodNet), som täckte cirka 15 % av USA:s befolkning mellan 2014 och 2017.

Forskargruppen sammanställde genetisk data med Spade-mjukvara och använde helgenom multilocus-sekvenstypning (WGMLST) för att karakterisera både mat-härledda och mänskliga isolat. Serotypidentifiering använde SEQSERO2-verktyget. En skogslumpmässig maskininlärningsalgoritm som klassificerar data med hjälp av många genetiska markörer tränades på isolat med kända källor. Modellen utvärderades för noggrannhet med hjälp av korsvalidering och permutation för att identifiera de mest informativa genomiska markörerna. Modellen uppnådde maximal noggrannhet genom att använda en delmängd av 7 360 genetiska loci, vilket förstärkte värdet av högdimensionella genomiska data för klassificeringsuppgifter. Den optimerade modellen förutspådde infektionskällor för mänskliga fall med >50 % sannolikhet och tillskrev ovanliga fall till okända källor.

Studieresultat

Den slumpmässiga skogsmodellen tränade på genomiska data från 18 661 livsmedel och djurisolat, identifierade kyckling (31 %), grönsaker (13 %), kalkon (12 %) och fläsk (11 %).SalmonellaKällor. OftastSalmonellaSerotyper var Kentucky, Typhimurium, Enteritidis och Heidelberg.

Modellen tillämpades på mänskliga infektioner och analyserade 6 470 fall och tillskrev 34 % av sjukdomarna kyckling och 30 % till grönsaker, vilket står för nästan två tredjedelar av infektionerna. När osäkerheten beaktades (sannolikheter <50 %) förblev cirka 44 % av fallen oklassificerade. Exklusive osäkra fall spårade modellen 46 % av infektionerna till kyckling och 27 % till grönsaker, som tillsammans står för cirka 73 % av de bekräftade källorna.

OlikSalmonellaSerotyper visade olika källassociationer. Kyckling associerades särskilt med serotyperna Enteritidis, Typhimurium, Heidelberg och Infantis, medan grönsaker i första hand associerades med Javiana och Newport. Fläsk har identifierats som den dominerande källan till serotyp Salmonella enterica 4,[5]12:i:- (STM).

Procentandelen salmonellaisolat som samlats in från kända enskilda livsmedel i USA och andra länder från 2003 till 2018 (används som träningsdata i den slumpmässiga skogsmodellen) efter livsmedelskategori (n = 18 661, inklusive 613 isolat före 2003).

Modellens noggrannhet var stark, särskilt när det gällde att identifiera kyckling (97 % noggrannhet), grönsaker (82 %), kalkon (88 %), fläsk (83 %) och nötkött (77 %). Den kämpade dock med mindre vanliga källor som mjölk och vilt. Att öka antalet genomiska loci med hjälp av förbättrad precision bekräftade effektiviteten av WG och maskininlärning för källtillskrivning.

Jämfört med tidigare utbrottsstudier visade denna analys kyckling som en mycket mer omfattande källa tillSalmonellaInfektioner som speglar olika riskprofiler mellan sporadiska infektioner och utbrott. Viktigt är att förutsägelser stämmer väl överens med kända epidemiologiska data och bekräftar modellens verkliga tillämpbarhet.

Dessa resultat belyser behovet av riktade insatser och policyer inriktade på fjäderfä och färskvaror, vilket är avgörande för att minskaSalmonellaFolkhälsobördan. Med tanke på att många infektioner förblir orörda, kan en utökad datauppsättning med fler olika icke-kycklingisolat och ytterligare icke-livsmedelskällor såsom miljö- och djurlivsprover ytterligare förbättra noggrannheten. De regionala begränsningarna för FoodNet-data och variationer i vårdbeteende tyder också på ett behov av bredare rikstäckande datainsamling.

Slutsatser

Sammanfattningsvis visade denna studie effektiviteten av WGs kombinerat med en slumpmässig maskininlärningsalgoritm för att exakt identifiera matkällorna förSalmonellaInfektioner i USA. Kyckling och grönsaker dök upp som viktiga försörjningsrådgivare, vilket förstärkte vikten av riktade reglerings- och folkhälsostrategier. Detta genomiska tillvägagångssätt erbjuder betydande förbättringar jämfört med traditionella metoder och ger detaljerade insikter som är avgörande för livsmedelssäkerhetspolicy, rutinövervakning och utbrottshantering. Fortsatt forskning bör inkludera bredare urvalsmångfald, utöka geografisk representation och inkludera icke-livsmedelskällor för att ytterligare stärka modellens precision och därigenom gynna folkhälsoinsatser mot denSalmonella.

Källor: